R语言 sna包 gcov()函数中文帮助文档(中英文对照)

loveR

gcov(sna)
gcov()所属R语言包：sna

                                         Find the Covariance(s) Between Two or More Labeled Graphs
                                         查找的协方差（S）两个或两个以上标记图

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

gcov finds the covariances between the adjacency matrices of graphs indicated by g1 and g2 in stack dat (or possibly dat2).  Missing values are permitted.
gcov发现的图的邻接矩阵之间的协方差g1和g2在堆栈dat（或可能dat2）。遗漏值是允许的。


用法----------Usage----------


gcov(dat, dat2=NULL, g1=NULL, g2=NULL, diag=FALSE, mode="digraph")



参数----------Arguments----------

参数：dat
one or more input graphs.
一个或多个输入图表。


参数：dat2
optionally, a second graph stack.
任选的第二图表堆栈。


参数：g1
the indices of dat reflecting the first set of graphs to be compared; by default, all members of dat are included.
指数dat反映了第一套图形进行比较，默认情况下，所有成员dat都包含。


参数：g2
the indices or dat (or dat2, if applicable) reflecting the second set of graphs to be compared; by default, all members of dat are included.
指数或dat（dat2，如果适用），反映了第二套图形进行比较，默认情况下，所有成员dat都包含。


参数：diag
boolean indicating whether or not the diagonal should be treated as valid data.  Set this true if and only if the data can contain loops.  diag is FALSE by default.
布尔值，表示是否对角线应被视为有效的数据。设置这是真的，当且仅当数据可以包含循环。 diag是FALSE默认情况下。


参数：mode
string indicating the type of graph being evaluated.  "digraph" indicates that edges should be interpreted as directed; "graph" indicates that edges are undirected.  mode is set to "digraph" by default.
的图表类型的字符串，表示正在评估中。表明边缘应被解释为指示“有向图”，“图形”表明边缘是无向。 mode设置为默认情况下，“有向图”。


Details

详细信息----------Details----------

The graph covariance between two labeled graphs is defined as
被定义为两个标记的曲线图的曲线图之间的协方差

cov(G,H) = sum( (A^G_ij-mu_G)(A^H_ij-mu_H), {i,j} )/Choose(|V|,2)</i>
COV（G，H）= SUM（（A ^ G_ij mu_G）（A ^ H_ij-mu_H），{I，J}）/选择（| V | 2）</ P>

Note that gcov computes only the covariance between uniquely labeled graphs.  For the more general case, gscov is recommended.
请注意，gcov只计算之间的协方差独特的标记图。对于更一般的情况下，gscov建议。


值----------Value----------

A graph covariance matrix
的图形协方差矩阵


注意----------Note----------

The gcov routine is really just a front-end to the standard cov method; the primary value-added is the transparent vectorization of the input graphs (with intelligent handling of simple versus directed graphs, diagonals, etc.).  Classical null hypothesis testing procedures are not recommended for use with graph covariance; for nonparametric null hypothesis testing regarding graph covariance, see cugtest and qaptest.
gcov常规实际上只是一个前端标准cov方法的主要增值是透明的输入图形的矢量化（与智能处理的简单与有向图，对角线，等。 ）。古典零假设的测试程序，不建议使用的图形协方差;，非参数空图形协方差的假设检验，看cugtest和qaptest。


（作者）----------Author(s)----------


Carter T. Butts <a href="mailto:buttsc@uci.edu">buttsc@uci.edu</a>



参考文献----------References----------

<h3>See Also</h3>

实例----------Examples----------


#Generate two random graphs each of low, medium, and high density[产生两个随机图的低，中，高密度]
g<-rgraph(10,6,tprob=c(0.2,0.2,0.5,0.5,0.8,0.8))

#Examine the covariance matrix[检查的协方差矩阵]
gcov(g)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。